Month: February 2019

Hej!

Idag började vi föreläsningen med att gå omkring ute och med hjälp av appen Epicollect5 samla in data om områden nära kampus. Jag gick med ett par andra ner mot Arabiastranden. Vi skulle ge vitsord åt områdets trevlighet, trygghet och populäritet (bland annat), med hjälp av att svara på enkla frågor. Områden skulle bedömas från 1-5. Efter vi gått ute tillräckligt länge (cirka 45 minuter i cirka -10 grader!) kom vi tillbaka till klassrummet och började arbeta.

Med hjälp av materialet vi producerade kunde vi sätta in det på QGIS (i .csv format). Det var väldigt coolt att se det egna materialet på en riktig karta (Bild 1).

Vi bytte sedan färgen på punkterna på basen av vad åsikterna om trygghetskänslan var, vilket var väldigt intressant att se. Efter detta började interpolering, som vi i klassrummet strugglade en del med. Som tur kom vi till slut fram till en lösning, och interpoleringen lyckades (Bild 2). På bild 2 syns alltså alla ansamlingar av negativa eller positiva svar (om trygghetskänslan). Mycket intressant resultat! Vid kampuset kände sig majoriteten trygga, men redan lite mot Arabiastranden blir resultatet negativare. Såklart kan en del resultat även påverkas av det kalla vädret.

Efter detta var det dags för veckans egna arbete. Vi fick som uppgift att analysera material om naturhasarder och deras geografiska läge. Mer specifikt handlade det om jordbävningar, vulkaner och meteoritnedfall. Jag valde dock att producera mina kartor endast om jordbävningar och vulkaner.

På den första kartan (Bild 3) ser man alla jordbävningar över 6 magnitud som förekommit under åren 1950-2019. Här ser man var majoriteten av bävningarna funnits; väldigt logiskt nog för det mesta vid de olika gränszonerna mellan litosfärplattorna. Jag försökte göra den så tydlig som möjligt, men jag färgvalet var nog inte det bästa. De minsta jordbävningarna på kartan är ändå 6 magnitud, och färgen får dem att verka lindriga. Laura gjorde likadant som jag detta fall, och hon skrev att den är väldigt bra i undervisningssyfte då det kommer till att fundera på placeringen av bävningarna. Jag håller absolut med! Man ser ju nästan varje gränszon för litosfärplattrna här.

Näst var det dags för vulkan-kartorna. Databasen var lite svårare att hantera än den med jordbävningarna. Här måste man öppna materialet på notepad för att få det i en bra form. Med lite hjälp från intruktionerna lyckades detta dock väldigt bra (Bild 4). Min MacBook ville dock inte samarbeta, och legenden är lite dumt placerad.

Jag tyckte att det ändå behövdes någonting mera om vulkanerna, något som ger kartan mer innehåll. Man ser ju att de även bildas flera vid gränszonerna, och att det korrelerar med jordbävningarna (eldringen), men jag bestämde mig att göra en med mer faktainnehåll. På den nya kartan (Bild 5) ser man alltså mer specifikt typen av vulkan som finns var. Jag valde att inte ta med alla typer, utan de mest vanliga som man lär sig redan tidigt; Arttu sa ju i uppgiften att man skulle visualisera detta för en skolklass! Jag tycker själv att den blev ganska fin!

För att få lite aktuellare information om jordbävningarna bestämde jag mig också för att göra en karta där man ser jordbävningarna från 2010-2019 (Bild 6). Kartan fick en lite konstig färg, men huvudsaken är att faktan visualiserades! Här ser man samma resultat som på den första kartan; jordbävningarna och vulkanerna finns ganska så långt på samma områden.

På https://www.iris.edu/hq/inclass/animation/seismic_eruption_worldwide_earthquakes__volcanoes_19602007 finns en visualisation där samma poäng genomförs. Här bevisas även tesen att de två hasarderna oftast förekommer parallellt.

Källor:

https://www.iris.edu/hq/inclass/animation/seismic_eruption_worldwide_earthquakes__volcanoes_19602007

https://blogs.helsinki.fi/lauahola/

 

Still alive här!

Den här veckan var verkligen en jobbig en! Hemläxan blev att pricka in alla hus på vårt kartblad av Borgnäs och på timmen använde vi oss sedan av det nyproducerade materialet…om det fungerande. På basis av formuleringen förstår ni kanske att det inte gjorde det för mig. En bra start på en onsdag morgon skulle någon kanske säga, men ja, jag fortsatte orört kämpandet. Som tur hade Arttu gjort en färdig databas för dem som den egna inte fungerade för. Och vägarna jag hade digiterat fungerade ändå, vilket var bra.

Under kursgången fokuserade vi på att göra buffertar till olika områden. På bild 1 ser ni hur det såg ut då vi producerade buffrar runt bilvägarna och centrum. De gula prickarna symboliserar byggnaderna som finns inom 5km från centrum bufferten. Vi gjorde dock även vidare uppgifter där man såg alla hus som var inom bufferten för centrum och vägarna. Buffertuppgiften var allt som allt väldigt intressant, och man kan säkert räkna ut saker som influensområde och sjukdomsspridning, eller i alla fall testa teorier om dessa teman.

Efter detta fortsatte vi med uppgifter runt centrala flygplatser i Helsingfors-trakten. Vi analyserade ljudnivån på olika avstånd från flygplatsen, och hur det påverkar befolkningstätheten. Vi kom ju fram till det självklara; desto närmare flygplatsen man kommer, desto mindre byggnader (hus) och människor finns det. Det var ändå fint att lära sig använda de olika verktygen på QGIS, och jag tycker att det blev väldigt fint till slut!

QGIS – lifeupdate typ?

Just nu känns det att QGIS och jag är ganska så bekanta. Emellan på timmen känner jag att jag nästan kan försöka hitta på det nästa steget. Jag kan ju inte ens nära på allt om programmet, men det känns bra. I början av kursen hade jag ju väldigt negativa fördomar på grund av gångna händelser, men det visade sig gå bättre än förväntat. Jag tror att jag klarar av att göra ganska då basic-level kartor och analyser i detta skede, vilket var det jag förväntade mig från kursen. Om QGIS har jag förstått att det inte alltid endast finns en utväg, precis som även Julia säger i sin blogg. I början kändes som om att det bara fanns en utväg till problemen, men jag har förstått att det finns närmare 10 olika vägar till samma destination. Det känns även super att kunna producera och förstå saker utan någon extra handledning

Källhänvisning:

https://blogs.helsinki.fi/jhsalmi/

 

Hej!

Den fjärde kurgången handlade om raster och i QGIS. Som Ida säger på sin blogg, är punktformatet det mest noggranna av alla. Med hjälp av punkterna kan man få veta objektens exakta placering, till exempel var hus är.

QGIS-kampen började med att vi producerade en “grid”, ett rutnät, på materialet som bestod av en simpel karta på Helsingfors-trakten. Vektormaterialet som vi producerat tidigare bestod alltså av kustlinje, kommungränser, vattendrag och en väldigt detaljerad punktdata där alla Helsingfors invånare fanns medräknade. Punkterna representerade alla byggnader.

Vi övade en stund med att beundra den väldigt detaljerade attributtabellen. På tabellen fanns det information om byggnadens adress, hur många som bor där och även mer personlig data om alla invånare. Jag analyserade sedan på egen hand till exempel hur många av invånarna var svenskspråkiga (Bild 1). Detta är ju väldigt intressant och relevant till mig som finlandssvensk, så det var en fungerande tillämpning! Resultatet blev ju inte så överraskande, jag känner ju till de stereotypiskt mest svenskspråkiga områdena i trakten, till exempel Grankulla, delar av Tölö och områden närmare centrum. Det fanns inte ett enda svenskspråkigt område som överraskade mig i sig. Jag har en del kontakter på svenskspråkiga anstalter i regionen, så jag märkte att en del av befolkningen hade bildat kluster runt just dessa.  Uppgiften var väldigt givande och det var trevligt att se att mina föreställningar visualiserades som jag tänkt mig! Min geografi-hjärna fick lite grann mycket efterlängtad validation.

Näst var det dags för hemuppgiften! Jag började med att producera höjdkurvor på vår egna karta som beskrev Borgnäs område (bild 2). Att bilda höjdkurvorna gick väldigt lätt, fast jag hela tiden var smått nervös över att programmet skulle crasha. Jag hade dock överraskande mycket tur och lyckades utan större nedgångar! Wow! Efter detta jämförde jag de nybildade höjdkurvorna med dem från Paituli, precis som Suvi gjorde på sin blogg (great minds think alike, eller?). Våra egna höjdkurvor är väldigt detaljerade, vilket är väldigt bra på ett sätt. Det mindre noggranna materialet som Paituli (Lantmäteriverket) producerat var dock mer generaliserat och med samma mer praktiskt att använda och se på. Precis som Susanna nämner, blir det lite råddigt med mängden höjdkurvor som vi har producerat.

 

Källor:

https://blogs.helsinki.fi/idasihvo/

https://blogs.helsinki.fi/marttils/

https://blogs.helsinki.fi/kukkasus/

Another day, another QGIS struggle, eller vad man nu säger. Idag gjorde jag förra veckans hemuppgift, vilket tog oerhört mycket längre än vad det borde ha gjort…Bästa känslan någonsin måste ju vara att förstå att en sak man försökt få att funka i en och en halv timme egentligen var väldigt enkel att lösa…. Nåja, kanske jag ändå borde börja med att skriva om förra kursgången.

På onsdagen lärde vi oss flera nya saker och jag vågar påstå att det var den svåraste kursgången vi haft än så länge! Allt gick dock bra då vi gick igenom saker. Vi producerade en karta på Afrika där vi definierade konfliktområden, oljefyndigheter och diamanter på kontinenten och skulle undersöka ifall det finns några intressanta samband där. Jag kan lägga in en screenshot på kartan här under!

På kartan är de bruna fläckarna olja, de röda konflikter och de ljusblåa diamanter. Detta är ju inte (clearly) en färdig karta, det fattas nordpil, legend och skala, men jag tyckte ändå att den blev väldigt snygg! Vi tittade på konflikterna från olika synvinklar; hur många skedde per år, hur länge varade de och så vidare med hjälp av QGIS olika funktioner. Nu en vecka senare har jag nog inte allt på koll mer, men grundidén finns kvar och det är väl huvudsaken 🙂 Som man ser på kartan är majoriteten av oljefyndigheterna i nordafrika, mest koncentrerade i Algeriet, Tunisien och Libyen. Konflikterna har bildat en front genom hela mellanafrika, från väst till öst. Detta beror ju på de oroliga förhållandena i dessa länder. Uganda, Rwanda, Burundi, Sudan och Somalien står speciellt ut. Även de mindre länderna på västkusten. Diamanterna finns i stora mängder i Sydafrika, generellt nedanför Saharaöknen. Kartan är väldigt beskrivande och kan användas då man undersöker konflikter och deras orsaker. Väldigt ofta är det just naturresurser som leder till konflikter och krig. Därför är en karta som denna väldigt lärorik då den kan hjälpa forskare att hitta samband.

Efter detta var det dags att jobba på den egna kartan. Uppgiften var att producera en karta på Finlands avrinningsområden där både översvämningsindexet och den procentuella andelen sjöar per område visualiseras. Att skapa en koropletkarta och stapeldiagram på samma karta var SVÅRT för mig i början. Jag var inte riktigt säker på hur man skulle börja och med vad, men efter en stunds ångestfullt tänkande kom jag fram till att det lönar sig att börja med att sätta ihop de olika lagren (med MHQ och MNQ). Efter det började det flyta fram, långsamt men lovande. Till slut lyckades jag producera en representabel karta som visar de båda aspekterna.

Kartan beskriver alltså översvämningsindexets förhållande till avrinningsområdets procentuella andel sjöar, väldigt interessant! Som ni ser är de mörkaste områdena de som ligger vid kusten. Här regnar det mycket på grund av klimatet, vilket leder till översvämningar. I centrala Finland finns det massvis med sjöar, vilket leder till att området inte översvämmas, precis som Lotta även kom fram till. Norra Finland har färre, och på grund av den långa vintern blir översvämningarna mer vanliga i området.

Veckans uppgift slutade bättre än förväntat. Jag strugglade verkligen med histogrammen, fast de i verkligheten var väldigt simpelt!

Till nästa gång!

-E

Källor:

https://blogs.helsinki.fi/lelotta/